Este texto es una versión revisada y traducida del trabajo presentado para el Reto de escritura de agentes de inteligencia artificial de Google titulado Learning Reflections My Learning Journey Through the Google × Kaggle AI Agents Intensive. Al inscribirme en el intensivo de 5 días esperaba aprender cómo usar Gemini. Lo que descubrí fue mucho más amplio: una nueva forma de pensar en agentes, unidades modulares y autónomas que razonan, cooperan, dividen tareas y resuelven problemas como lo hacen los equipos humanos.

Antes veía los modelos como herramientas. Después del curso los veo como compañeros de equipo con responsabilidades, memoria, herramientas y políticas propias. Esa transformación mental fue la lección más valiosa.

Lo que más me impactó

1. Dividir problemas en agentes La idea de fragmentar un flujo de trabajo complejo en agentes especializados hizo que todo encajara. Un agente para extraer información, otro para entender contexto, uno para planificar, otro para comunicar y hasta uno para reflexionar y mejorar resultados. Fue como diseñar una pequeña empresa de IA con roles claros. En mi trabajo ahora me pregunto siempre qué agente debe ser responsable de cada tarea en lugar de escribir un monolito de lógica.

2. Herramientas + agentes = potencia real El momento clave fue ver cómo un agente puede invocar herramientas: búsquedas, funciones Python personalizadas, OpenAPI, operaciones de larga duración y ejecución de código. Entendí que los modelos no solo generan texto, también pueden actuar. Así los agentes dejan de ser solo modelos de lenguaje y se convierten en componentes de software reales.

3. Sesiones, memoria y estado Pensaba que los agentes eran sin estado. Aprender sobre servicios de sesión en memoria, bancos de memoria, compactación de contexto y memoria a largo plazo cambió esa visión. Ahora comprendo cómo los sistemas mantienen continuidad, progreso y contexto, como haría un asistente humano real.

4. Observabilidad El curso no solo enseña a construir agentes sino a hacerlos depurables, observables y trazables. No imaginaba antes la importancia de trazas, eventos y logs a nivel de agente. Hoy no concibo un sistema de agentes sin observabilidad integrada.

Evolución de mi entendimiento Al principio veía a los agentes como modelos envueltos en una capa. Al final los vi como entidades de razonamiento con estructura, memoria, herramientas, políticas, enrutamiento, autonomía y colaboración. Son sistemas que orquestan modelos, herramientas y flujos de trabajo. Este cambio de perspectiva es invaluable.

Mi proyecto final: PWOA Para el proyecto de cierre desarrollé PWOA Personal Workflow Optimization Assistant, un sistema de productividad multiagente que extrae tareas de texto, PDFs e imágenes, clasifica y prioriza, genera un plan diario estructurado, sincroniza eventos en Google Calendar, prepara borradores de recordatorios por Gmail y utiliza Gemini para reflexionar y afinar el plan. Fue la primera vez que integré arquitectura multiagente, llamadas a herramientas, OCR y razonamiento, lógica de programación de horarios, estado de sesión y APIs de Google junto con Gemini en un único sistema.

Aprendizajes clave del proyecto

1. Los flujos son más simples si cada agente tiene responsabilidades limpias. Un agente extractor solo extrae, un agente de prioridad solo ordena, un agente scheduler solo planifica. Límites claros crean sistemas limpios.

2. Los agentes deben comunicarse como compañeros. Diseñé agentes que transmiten salidas estructuradas, validan suposiciones, refinan errores mutuos y descomponen ambigüedades. Esto es inteligencia colaborativa.

3. La reflexión humaniza resultados. Añadir un agente de reflexión potenciado por Gemini elevó la calidad: el sistema pasó de entregar un horario a explicar por qué funciona y proponer mejoras.

Más allá del código Este curso reafirmó que los sistemas de IA se diseñan, no solo se programan. Los modelos más herramientas se convierten en agentes de software. El futuro de las aplicaciones de IA estará en el razonamiento y la autonomía, y el buen diseño de agentes exige responsabilidad, claridad y estructura. La forma de desarrollar cambiará hacia la orquestación de trabajadores inteligentes en lugar de escribir lógica monolítica.

Cómo encaja Q2BSTUDIO En Q2BSTUDIO, empresa especializada en desarrollo de software y aplicaciones a medida, hemos adoptado este nuevo paradigma para ofrecer soluciones reales a empresas. Nuestra experiencia en software a medida, inteligencia artificial y ciberseguridad nos permite construir agentes IA que no solo responden, sino que actúan con memoria, herramientas y trazabilidad. Si su proyecto necesita integrar agentes IA con servicios en la nube, nosotros podemos ayudar.

Ofrecemos servicios desde desarrollo de aplicaciones a medida y software a medida hasta implementación de servicios de inteligencia artificial para empresas. También cubrimos ciberseguridad y pentesting, migraciones y operaciones en servicios cloud aws y azure, automatización de procesos, y soluciones de inteligencia de negocio y power bi para transformar datos en decisiones.

Si busca construir agentes IA que integren OCR, razonamiento, planificación y sincronización con calendarios y correo, o desea modernizar procesos internos con soluciones de inteligencia artificial y servicios cloud, en Q2BSTUDIO combinamos experiencia técnica con enfoque en diseño de agentes y observabilidad para entregar sistemas confiables y escalables.

Reflexión final El intensivo fue como aprender una nueva superpotencia: abrió mi perspectiva sobre cómo se pueden construir, escalar y optimizar sistemas inteligentes. Me enseñó a pensar como desarrollador de agentes. En Q2BSTUDIO canalizamos ese conocimiento para crear productos y servicios que aceleran la transformación digital de empresas mediante inteligencia artificial, ciberseguridad y software a medida. Brindamos acompañamiento desde la idea hasta la producción y la mejora continua, siempre con métricas, trazabilidad y foco en resultados.

Esperamos seguir creando más sistemas agenticos que aporten valor real a procesos cotidianos, integrando lo mejor de la investigación con las necesidades prácticas del negocio.